Die Nutzung der gewonnenen Daten hängt nicht nur von technischen Faktoren, wie der Qualität oder dem Alter der Daten, ab. Die korrekte Interpretation der Daten ist auch abhängig vom Erfahrungslevel des Anwenders.
Plötzlich auftretende Umwelteinflüsse, wie eine vorüberziehende Staubwolke, können die Bilder stellenweise beeinflussen, sodass die Situation im Pflanzenbestand in dem jeweiligen Bildausschnitt nicht bewertet werden kann. Auch das Wetter während der Befliegung kann die Daten beeinflussen.
Möchte man sich mit der Drohne einen schnellen Überblick über das Feld verschaffen, wiegen diese Faktoren nicht so schwer. Sollen die Daten aber zur Erstellung eines Vegetationsindizes als Grundlage für eine Ertragszonenkarte des Feldes verwendet werden, ist ein „geschultes Auge“ zur Erkennung und Aussonderung solcher Datensätze von Vorteil.
Da Vegetationsindizes nicht spezifisch sind, können diese nur zur Erkennung von Heterogenität im Feld, nicht aber zur Bestimmung von Krankheiten oder Schädlinge genutzt werden. Ebenso kann eine Entwicklungsverzögerung in einem Teil des Feldes auch auf Bodenverhältnisse zurückgeführt werden.
Die Prozessierung der Daten mit KI-Unterstützung befindet sich momentan in der Entwicklung. So kann beispielsweise mit der qGIS-Erweiterung „Deepness“ auf RGB-Bilddaten von Getreidefeldern den Flächenanteil des Lagergetreides bestimmt werden. Ähnliche Anwendungen könnten auch zum Beispiel zur Quantifizierung von Wildschäden zukünftig Eingang in die praktische Anwendung finden.
